范式|欧科云链研究院:金融市场交易的范式革命 ---自动做市商制度(AMM)( 五 )


文章图片

范式|欧科云链研究院:金融市场交易的范式革命 ---自动做市商制度(AMM)
文章图片

范式|欧科云链研究院:金融市场交易的范式革命 ---自动做市商制度(AMM)
文章图片
图9. Uniswap的定价图像
资料来源:欧科云链研究院
从上述分析可以看出 , 相较于传统交易制度 , 在提供相同流动性的情况下 , AMM用户向交易合约中放入越多数量的资产A , 换回的资产B数量越少 , 即交易价格越高 。 所以AMM的交易深度不仅仅取决于LP的大小(即k值) , 跟模型本身也有关 。 因此 , 尽管Uniswap简洁的交易模型给其带来了巨大优势 , 但同时也带来了高滑点的问题 。 特别是对于储备池规模较小的交易对资产 , 无法支持大额交易 , 否则将支付更高的价格 。 随着AMM的日益火热 , AMM的交易深度问题也成为用户和开发者们关注的核心问题 。
三、自动做市商制度的未来发展
相较于传统交易制度 , 自动做市商具有自动化、低成本和高效的优势 , 但在定价权、无常损失和交易深度等方面存在一定的问题 。 然而 , 如果考虑到自动做市商制度从创立至今只不过几年的时间 , 那么以苛责的眼光要求其做到尽善尽美并不妥当 。 实际上 , 自动做市商如今已经成为区块链行业中最热门的赛道之一 , 出于对未来转型和战略发展的需要和市场前景的看好 , 许多大公司和创业都开始关注这一领域 , 并推动该制度的完善 。
1. 无常损失的改善方案
究其本质 , 无常损失是由AMM平台价格与外部市场价格偏差产生的套利造成的 。 想要减少无常损失 , 必须要降低平台价格与外部市场价格之间的偏差 。 从理论上讲 , 这很难实现 , 因为AMM没有价格发现功能 。 然而我们却可以另辟蹊径---如果两种资产之间的兑换价格保持稳定 , 在AMM平台上进行交易时人们自然会以该兑换价格作为心理价格 , 那么价格偏差将会很小 , 无常损失也将很低 。 在区块链世界中 , 这类最理想的资产即稳定币 , 稳定币都以美元挂钩 , 价锚定在1美元 , 因此在稳定币之间的兑换上(如USDT与DAI之间的兑换) , 价格偏移将会很小 , 无常损失也最小 。 这也是Curve这类专注于稳定币交易的AMM类去中心化交易所迅速崛起的原因 。
此外 , 行业内还有探索采用预言机提供价格的方案 , 以Bancer V2为代表 。 只要预言机为智能合约提供真实准确的价格 , 就可以降低价格偏差 , 减小无常损失 。 需要强调的是 , 预言机只能减小无常损失 , 但无法解决无常损失问题 。 因为价格偏差的产生是由于AMM无价格发现功能引起的 。 价格预言机捕捉的仍然是历史价格 , 而非市场最新价格 , 这是一种对结果进行事后的修正 , 甚至不能像订单薄模式那样看到盘口价格(市场对未来价格的预期) 。
2. 交易深度的改善方案
以Uniswap为代表的AMM为例 , 从模型上看 , 由于其采用恒定乘积模型(x*y=k) , 导致其滑点过高 , 当然好处是理论上可以为交易提供无限的流动性(x,y永远不会等于0) 。 那么什么样的模型可以实现零滑点问题呢?---恒定总和模型 。 以x+y = k为例 , 从图像上看 , 其兑换价格恒定为1(即图像的斜率恒为1, 然而这样带来的缺陷是很容易耗尽储备池的资产 。 因此 , 一种理想的方式是构建一种混合函数 , 如果两种资产的价格相对稳定 , 就可以降低函数中的滑点值;当储备池中的资产流动性不足时 , 则迅速提高价格 , 实现理论上的无线流动性 , 而Curve构建的恒定函数模型StableSwap正是此类中的佼佼者 , 为此构造了一个复杂的函数:
x 是每种资产的储备量 ,n 是资产的种类 ,D 是一个不变量 , 代表储备中的价值 , A 是“放大系数” , 即一个可调的常数 , 提供一种类似杠杆的作用 , 影响资产价格的范围 , 并影响流动性提供者的利润空间 (即资产的波动性越高 , A 也越大)。


推荐阅读